أظهرت التطورات الحديثة في أنظمة البحث العميقة الإمكانات الكامنة لتمكين الوكلاء الذكيين من اكتشاف المعرفة وتركيبها بشكل مستقل من مصادر خارجية. في هذا البحث، نقدّم "WebResearcher"، وهي إطار جديد لبناء هذه الوكلاء من خلال مكونين رئيسيين: (1) WebResearcher، وهي منهجية بحث عميقة تكرارية تعيد صياغة البحث العميق على شكل عملية اتخاذ قرار ماركوفية، حيث يقوم الوكلاء بدمج النتائج بشكل دوري في تقارير متغيرة مع الحفاظ على مساحات عمل مركزية، مما يتجاوز مشكلتي ازدحام السياق والتلوث بالضوضاء التي تعاني منها الطرق الحالية ذات السياق الواحد؛ و(2) WebFrontier، وهي محرك توليد بيانات مُعدّل للقياسات، يُنتج بيانات تدريب عالية الجودة من خلال تكامل أدوات مُحسّنة مع تدرج التعقيد، مما يمكّن من إنشاء مهام بحثية منهجية تسد الفجوة بين استرجاع المعرفة السلبي وبناء المعرفة النشط. ومن الجدير بالذكر أننا لاحظنا أن بيانات التدريب الناتجة عن منهجيتنا تُحسّن بشكل ملحوظ قدرات استخدام الأدوات، حتى بالنسبة للطرق التقليدية ذات السياق الواحد. علاوة على ذلك، يتميز منهجنا بالقدرة على التوسع الطبيعي من خلال التفكير المتوازي، مما يتيح استكشافاً متعدد الوكلاء بالتوازي لتحقيق استنتاجات أكثر شمولاً. وقد أظهرت تجارب واسعة عبر ستة معايير صعبة أداءً متميزاً لـ WebResearcher، حتى أن أداؤه تجاوز أنظمة متطورة مُخصصة وحصريّة.